首页 文章

如何在同一数据框中生成两列数据帧的相关系数作为新列变量？

提问于
浏览 次
2

我有一个包含三列的数据框 . ID用作我想使用groupby命令的标识符 . 在这里，我想为每个ID生成A和B之间的相关系数 . 这是我的数据帧的样子：

ID  A  B
1   5  7
1   3  4
2   4  5
2   7  6
2   9  1

我想将其转换为以下数据框：

ID  A  B  Corr_Coeff
1   5  7  <Value 1> 
1   3  4  <Value 1>
2   4  5  <Value 2> 
2   7  6  <Value 2>
2   9  1  <Value 2>

这是我目前使用的代码，但似乎没有工作：

df['Corr_Coeff'] = df.groupby('ID')[['A','B']].corr()

如果有人可以帮助我在这里会很棒！提前致谢 .

python pandas correlation

1 回答

  • 0

    我认为需要map通过iloc按位置选择行，以删除 MultiIndex 使用reset_index：

    df1 = df.groupby('ID')[['A','B']].corr()
print (df1)
             A         B
ID                      
1  A  1.000000  1.000000
   B  1.000000  1.000000
2  A  1.000000 -0.675845
   B -0.675845  1.000000

df['corr'] = df['ID'].map(df1.iloc[0::2, 1].reset_index(level=1, drop=True))
print (df)
   ID  A  B      corr
0   1  5  7  1.000000
1   1  3  4  1.000000
2   2  4  5 -0.675845
3   2  7  6 -0.675845
4   2  9  1 -0.675845

    替代创建映射 Series by corrwith，最后通过DataFrame.squeeze将 1 column Dataframe 转换为 Series ：

    s = (df[['A']].groupby(df['ID']).corrwith(df['B'])).squeeze()
print(s)
ID
1    1.000000
2   -0.675845
Name: A, dtype: float64

df['corr'] = df['ID'].map(s)
print (df)
   ID  A  B      corr
0   1  5  7  1.000000
1   1  3  4  1.000000
2   2  4  5 -0.675845
3   2  7  6 -0.675845
4   2  9  1 -0.675845
    回复于

相关问题